[论文解读] Engagement Outweighs Exposure to Partisan and Unreliable News within Google Search

Ronald E. Robertson, Jon Green+4 more|arXiv (Cornell University)|Dec 31, 2021

Misinformation and Its Impacts被引用 7

一句话总结

本研究利用自定义浏览器扩展，收集了448名参与者在2018年和2020年美国大选期间使用Google搜索时的生态有效曝光与参与数据，调查了部分党派及不可靠新闻的曝光与参与情况。研究发现，尽管党派认同对曝光的预测力微弱且不一致，但对参与行为却有强烈预测作用，表明用户自身选择——而非算法筛选——是驱动其选择性消费党派性和不可靠新闻的主要原因。

ABSTRACT

If popular online platforms systematically expose their users to partisan and unreliable news, they could potentially contribute to societal issues like rising political polarization. This concern is central to the echo chamber and filter bubble debates, which critique the roles that user choice and algorithmic curation play in guiding users to different online information sources. These roles can be measured in terms of exposure, the URLs seen while using an online platform, and engagement, the URLs selected while on that platform or browsing the web more generally. However, due to the challenges of obtaining ecologically valid exposure data--what real users saw during their regular platform use--studies in this vein often only examine engagement data, or estimate exposure via simulated behavior or inference. Despite their centrality to the contemporary information ecosystem, few such studies have focused on web search, and even fewer have examined both exposure and engagement on any platform. To address these gaps, we conducted a two-wave study pairing surveys with ecologically valid measures of exposure and engagement on Google Search during the 2018 and 2020 US elections. We found that participants' partisan identification had a small and inconsistent relationship with the amount of partisan and unreliable news they were exposed to on Google Search, a more consistent relationship with the search results they chose to follow, and the most consistent relationship with their overall engagement. That is, compared to the news sources our participants were exposed to on Google Search, we found more identity-congruent and unreliable news sources in their engagement choices, both within Google Search and overall. These results suggest that exposure and engagement with partisan or unreliable news on Google Search are not primarily driven by algorithmic curation, but by users' own choices.

研究动机与目标

• 考察用户选择与算法筛选在Google搜索中对党派性和不可靠新闻曝光与参与中的作用。
• 通过在真实搜索使用过程中收集实时、个体层面的曝光与参与数据，弥补以往研究中生态有效性曝光数据的不足。
• 比较党派身份对曝光（所见URL）与参与（点击或访问的URL）在网页搜索中的影响。
• 评估算法筛选或用户驱动行为是否是搜索平台中选择性接触党派性和不可靠新闻的主要驱动力。
• 为网络搜索中新闻消费的动态机制提供实证证据，该渠道在信息生态系统中至关重要但研究不足。

提出的方法

• 部署自定义浏览器扩展，在2018年和2020年期间，于参与者日常使用Google搜索时实时收集生态有效曝光与参与数据。
• 将曝光操作化为搜索结果中显示的URL，将参与操作化为在Google搜索内外点击或访问的URL。
• 基于既定的媒体偏见评级，采用域名级别分类识别党派性和不可靠新闻来源。
• 应用无监督自然语言处理技术，量化不同政治身份用户在搜索查询中的行为差异。
• 构建多元回归模型，评估党派认同与曝光、参与及后续行为之间的关系，同时控制人口统计学特征与政治兴趣变量。
• 使用AIC与偏差统计量比较模型拟合度，选择每项结果最合适的模型。

实验结果

研究问题

• RQ1 党派认同是否能预测在Google搜索中接触党派性和不可靠新闻的曝光？
• RQ2 党派身份如何与在Google搜索中参与党派性和不可靠新闻来源相关联？
• RQ3 用户选择（以参与衡量）在多大程度上超过算法筛选，成为塑造在Google搜索中接触党派性和不可靠新闻的主要因素？
• RQ4 不同政治身份的用户在接触与参与党派性和不可靠新闻方面的搜索行为有何差异？
• RQ5 党派认同与新闻消费的关系在参与中是否强于在曝光中？

主要发现

• 党派认同与在Google搜索中接触党派性和不可靠新闻的曝光之间关系微弱且不一致，对民主党人无显著影响，对共和党人仅表现出微弱效应。
• 党派身份与参与之间表现出更一致且显著的关系，强烈共和党人参与党派新闻的频率是独立人士的1.402倍（p < 0.01）。
• 参与党派性和不可靠新闻的频率始终高于曝光，表明用户即使接触到多样化来源，仍会主动选择与自身身份一致的内容。
• 党派认同与参与之间的关系强于与曝光之间的关系，表明用户选择——而非算法筛选——是驱动选择性消费的主要因素。
• 在2018年和2020年，强烈和倾向共和党的用户在不可靠新闻来源上的参与度显著高于民主党人，效应值范围为1.198至2.315（p < 0.01）。
• 当将参与单独建模时，模型拟合度显著提升，AIC值从曝光的479.2降至参与的465.0，表明参与是党派新闻消费更优的预测指标。